跳至主要內容

MQ深入

Salmon2026/1/15大约 8 分钟Java面试消息队列RocketMQKafka

MQ 深入面试题

本章深入讲解消息队列的核心原理、RocketMQ 和 Kafka 的架构设计等高频面试考点。

消息队列基础

Q1: 消息队列的核心作用？

作用说明场景
解耦生产者消费者独立演进订单创建通知多个系统
异步非核心流程异步处理发短信、发邮件
削峰缓冲突发流量秒杀、大促

Q2: 如何保证消息不丢失？

环节丢失原因解决方案
生产端网络问题、Broker 宕机同步发送 + 重试 + 确认机制
Broker宕机、磁盘故障同步刷盘 + 主从同步
消费端消费失败、未提交 offset手动 ACK + 幂等处理
// RocketMQ 生产者确认
SendResult result = producer.send(message);
if (result.getSendStatus() == SendStatus.SEND_OK) {
    // 发送成功
} else {
    // 重试或记录
}

// Kafka 生产者确认
producer.send(record, (metadata, exception) -> {
    if (exception != null) {
        // 发送失败，重试
    }
});

Q3: 如何保证消息不重复消费？

// 方案1：数据库唯一键
@Transactional
public void processOrder(OrderMessage msg) {
    try {
        orderMapper.insert(order);  // 唯一键冲突则失败
    } catch (DuplicateKeyException e) {
        log.info("订单已处理，忽略重复消息");
    }
}

// 方案2：Redis 去重
public void processMessage(Message msg) {
    String msgId = msg.getMsgId();
    Boolean isNew = redisTemplate.opsForValue()
        .setIfAbsent("msg:" + msgId, "1", 24, TimeUnit.HOURS);
    if (!isNew) {
        log.info("消息已处理，忽略");
        return;
    }
    // 处理消息
}

// 方案3：状态机校验
public void processOrder(OrderMessage msg) {
    Order order = orderMapper.selectById(msg.getOrderId());
    if (order.getStatus() != OrderStatus.CREATED) {
        log.info("订单状态已变更，忽略");
        return;
    }
    // 处理订单
}

Q4: 如何保证消息顺序性？

// RocketMQ 顺序消息
// 生产者：相同订单发到同一队列
SendResult result = producer.send(message, (mqs, msg, arg) -> {
    Long orderId = (Long) arg;
    int index = (int) (orderId % mqs.size());
    return mqs.get(index);
}, orderId);

// 消费者：顺序消费
@RocketMQMessageListener(
    topic = "order-topic",
    consumerGroup = "order-group",
    consumeMode = ConsumeMode.ORDERLY
)
public class OrderConsumer implements RocketMQListener<OrderMessage> {
    @Override
    public void onMessage(OrderMessage message) {
        // 顺序处理
    }
}

Q5: 如何处理消息积压？

// 批量消费
@RocketMQMessageListener(
    topic = "order-topic",
    consumerGroup = "order-group",
    consumeMessageBatchMaxSize = 100  // 批量消费
)
public class BatchConsumer implements RocketMQListener<List<OrderMessage>> {
    @Override
    public void onMessage(List<OrderMessage> messages) {
        // 批量处理
        batchProcess(messages);
    }
}

RocketMQ 架构

Q6: RocketMQ 的架构是怎样的？

组件作用
NameServer路由注册中心，无状态，可集群部署
Broker消息存储和转发，分 Master/Slave
Producer消息生产者
Consumer消息消费者

Q7: RocketMQ 的存储结构？

文件作用特点
CommitLog存储消息体顺序写，性能高
ConsumeQueue消费队列索引定长，快速定位
IndexFile消息索引支持 key/时间查询

Q8: RocketMQ 如何实现高可用？

模式说明数据可靠性性能
异步复制Master 写入后立即返回可能丢数据高
同步双写Master 和 Slave 都写入后返回不丢数据较低
# Broker 配置
brokerRole=SYNC_MASTER  # 同步双写
flushDiskType=SYNC_FLUSH  # 同步刷盘

Q9: RocketMQ 事务消息原理？

// 事务消息生产者
TransactionMQProducer producer = new TransactionMQProducer("tx-group");
producer.setTransactionListener(new TransactionListener() {
    @Override
    public LocalTransactionState executeLocalTransaction(Message msg, Object arg) {
        try {
            // 执行本地事务
            orderService.createOrder(order);
            return LocalTransactionState.COMMIT_MESSAGE;
        } catch (Exception e) {
            return LocalTransactionState.ROLLBACK_MESSAGE;
        }
    }
    
    @Override
    public LocalTransactionState checkLocalTransaction(MessageExt msg) {
        // 回查本地事务状态
        Order order = orderService.getByOrderNo(msg.getKeys());
        if (order != null) {
            return LocalTransactionState.COMMIT_MESSAGE;
        }
        return LocalTransactionState.UNKNOW;
    }
});

Kafka 架构

Q10: Kafka 的架构是怎样的？

概念说明
BrokerKafka 服务节点
Topic消息主题
Partition分区，并行处理单位
Replica副本，保证高可用
Consumer Group消费者组，组内竞争消费

Q11: Kafka 为什么性能这么高？

技术说明
顺序写磁盘顺序写性能接近内存
零拷贝sendfile 系统调用，减少数据拷贝
分区多分区并行读写
批量批量发送和消费
页缓存利用操作系统页缓存

Q12: Kafka 如何保证消息不丢失？

// 生产者配置
Properties props = new Properties();
props.put("acks", "all");  // 所有副本确认
props.put("retries", 3);   // 重试次数
props.put("enable.idempotence", true);  // 幂等

// 消费者配置
props.put("enable.auto.commit", false);  // 关闭自动提交

// 手动提交
consumer.poll(Duration.ofMillis(100));
// 处理消息
consumer.commitSync();  // 同步提交
配置说明
acks=all所有 ISR 副本确认
retries发送失败重试
enable.auto.commit=false手动提交 offset
min.insync.replicas最小同步副本数

Q13: Kafka 的 ISR 机制？

ISR 机制：

  • ISR：与 Leader 保持同步的副本集合
  • OSR：落后于 Leader 的副本
  • HW：高水位，消费者可见的最大 offset
  • LEO：日志末端偏移量

Q14: Kafka 和 RocketMQ 的对比？

特性KafkaRocketMQ
开发语言Scala/JavaJava
单机吞吐百万级十万级
消息延迟毫秒级毫秒级
消息可靠性较高高
事务消息支持支持（更完善）
延迟消息不支持支持
消息回溯支持支持
消息轨迹不支持支持
管理界面第三方官方 Dashboard
适用场景大数据、日志业务消息

延迟消息

Q15: 如何实现延迟消息？

// RocketMQ 延迟消息（固定级别）
Message message = new Message("topic", "Hello".getBytes());
message.setDelayTimeLevel(3);  // 延迟 10 秒
// 级别：1s 5s 10s 30s 1m 2m 3m 4m 5m 6m 7m 8m 9m 10m 20m 30m 1h 2h

// RocketMQ 5.0 任意延迟
message.setDeliveryTimestamp(System.currentTimeMillis() + 60000);  // 延迟 60 秒

小结

MQ 深入面试重点：

  1. 消息不丢失、不重复、顺序性
  2. 消息积压处理
  3. RocketMQ 架构和存储结构
  4. RocketMQ 事务消息
  5. Kafka 高性能原理
  6. Kafka ISR 机制
  7. 延迟消息实现

面试题预览

高频面试题

  1. 如何保证消息不丢失？
  2. 如何保证消息不重复消费？
  3. 如何保证消息顺序性？
  4. RocketMQ 事务消息原理？
  5. Kafka 为什么性能这么高？
最近更新:
贡献者: Salmon